搜索

Runway 推出无需代码即可生成界面的模型 Solaris,ChatGPT Ads 年化收入运行率达到 10 亿美元,Together AI 在沙特阿拉伯签署 250 MW 协议

由人工智能生成的文章
Runway 推出无需代码即可生成界面的模型 Solaris,ChatGPT Ads 年化收入运行率达到 10 亿美元,Together AI 在沙特阿拉伯签署 250 MW 协议

本期涉及的公司

取消勾选不感兴趣的内容。您的选择适用于所有期次,并保存在本设备上。

主要实验室
中国
编程工具
生成式媒体
基础设施与开源
其他

ai-powered-markdown-translator

使用 gpt-5.6-sol 将文章从法语翻译成中文。

在 GitHub 上查看项目 ↗

8 月 30 日和 31 日共有十八项公告,但分布极不均衡:周日没有任何官方发布,几乎所有内容都集中在周一。30 日版中提到的 X 故障现已补查:对当天无法访问的账户进行了三天范围内的重新核查,没有发现遗漏的公告。

其中浮现出三条主线。首先是前所未有的新模型,即 Runway 推出的全球首款界面世界模型。其次是两个经济里程碑:OpenAI 广告业务达到 10 亿美元的年化收入运行率,以及 Together AI 签署了一份 250 MW 的基础设施合同。最后是一轮面向开发者的工具更新,涉及 GitHub、NVIDIA 和 Amp,并辅以 Hugging Face 社区博客发布的三项研究成果。


Runway 推出 Solaris,其首款界面世界模型

8 月 31 日——Runway 发布了 Solaris,这是该实验室称为界面世界模型(Interface World Models)的一个模型家族中的首款产品。其原理用一句话即可概括:模型不再生成之后用于显示界面的代码,而是直接逐帧生成界面,并实时响应点击和拖放操作。

这一思路源于对软件生产链的观察。原型必须先被转化为代码才能执行任何操作,而这种转化带来双重代价:每一种行为都必须预先定义,因此软件在首位用户到来之前就已经固化;与此同时,原始设计的视觉丰富性也会在转换过程中流失。Solaris 移除了中间环节,让整幅图像本身成为界面。

从技术上看,该模型以 Runway 的视频模型 Gen-4.5 为基础,并延续了其通用世界模型 GWM-1。用户输入与文本或图像一样,都会成为生成下一帧图像的条件,因此无需为任何行为编程,模型便可学习动作与视觉结果之间的联系。实现实时运行需要三个步骤:将生成过程改造为逐帧自回归生成,把多步骤去噪蒸馏为少数几个步骤,然后使用快速模型自身的输出对其进行训练。一个 LLM 决定场景如何演变,而世界模型负责渲染。

参与者评判的标准Solaris编码界面(Claude Opus 5)判定相当
遵循指定指令61 %24 %13 %
场景中行为的自然程度71 %21 %6 %
技术特性测量值
基础模型Gen-4.5,延续 GWM-1
稳定分辨率720p
交互阈值延迟约 0.5 s
用户研究250 名参与者、30 个示例、近 7 500 次成对判断
重建基准测试30 个界面、结构相似性(SSIM)及 DINOv3 描述符

行为自然程度上的差距明显大于单纯遵循指令方面的差距,Runway 认为这体现了两种方法之间的根本区别:编码界面通常也能复现所要求的变化,但会将其视为一次孤立的更新;而学习过物体行为的模型,则能生成与场景其余部分一致的反应。该实验室还提出了另一种较为意外的用途:训练智能体。持续重新生成的环境可以为智能体提供不断变化的界面,其中甚至包括从未存在过的布局。

Runway 也说明了 Solaris 尚无法完成的事项,而这份清单相当长:稳定、清晰可读的文本仍是视频生成中最棘手的问题之一,但界面对文本的依赖却超过其他任何领域;事实锚定要求依据经过验证的数据来调节生成过程;长时间会话中的一致性仍是有待研究的课题;生成式界面还必须能够配合辅助技术和无障碍 API 使用。Runway 正与合作伙伴筹备公开发布,早期访问需通过表单申请。

Today, we’re sharing new research on Solaris, our first Interface World Model. Solaris is a new kind of operating system that generates interactive interfaces frame by frame, in real time, with no code.

🇨🇳 今天,我们分享关于 Solaris 的最新研究成果,它是我们的首款 Interface World Model。Solaris 是一种新型操作系统,无需代码即可实时逐帧生成交互式界面。 — @runwayml 在 X 上

🔗 Runway——Solaris 简介


ChatGPT Ads 年化收入运行率达到 10 亿美元,并向四个新地区开放自助服务

8 月 31 日——OpenAI 发布了一篇介绍其集成于 ChatGPT 的广告平台 ChatGPT Ads 的文章,并宣布该平台在推出不到 200 天后,年化收入运行率(annualized revenue run rate)已达到 10 亿美元。这里需要首先明确一个细微但重要的区别:这并不意味着已经收到 10 亿美元,而是将近期收入按十二个月进行推算。一个成立尚不足两百天的广告平台,从定义上就不可能已经按这一速度获得完整一年的收入。当天晚些时候,OpenAI 还将通过 Ads Manager 向印度、欧洲、中东和北非开放自助广告购买服务。

OpenAI 将广告描述为其商业模式的支柱之一,与消费者订阅、企业服务以及按使用量计费的 API 并列,并明确指出,广告收入有助于为免费服务层提供资金,使 ChatGPT 能够继续服务超过 10 亿周活跃用户。该机制受到四项承诺约束:广告始终会被明确标识,并与回答分开;广告不会影响所提供的回答;广告主无法访问私人对话;用户可以控制广告体验的个性化程度。

OpenAI 公布的指标公布值
年化收入运行率(推算)10 亿美元
自推出以来经过的时间不到 200 天
平台上的广告主数万家
已覆盖国家超过 40 个
新开放自助服务的市场印度、欧洲、中东、北非
技术与衡量合作伙伴超过 50 家
ChatGPT 周活跃用户超过 10 亿
某电商广告主在 28 天内的广告支出回报率3x
某技术合作伙伴的广告流量中新客户占比超过 80 %

其发展轨迹是从托管式销售转向开放访问平台。最初的模式依赖代理商和合作伙伴;5 月推出 Ads Manager 后,中小企业也得以使用该广告平台,如今它们已占据业务活动的显著份额。在工具方面,CPC 竞价和结果优化竞价(outcome-optimized bidding)构成了大多数广告活动,而 Pixel 与 Conversions API 则作为衡量基础。OpenAI 还指出,美国以外广告主贡献的收入占比正在不断上升。

展望未来,该公司宣布将推出新的市场、广告格式、目标和购买选项,并表示希望探索让企业在 ChatGPT 内部以更原生的方式与消费者互动,也就是采用与对话结合得更紧密、而不像当前广告那样相对独立的形式。

🔗 OpenAI——扩大 AI 使用范围的重要里程碑


Together AI:在沙特阿拉伯建设 250 MW 数据中心、GLM-5.3 登顶智能体指数,并新增一名客户

8 月 31 日——Together AI 宣布签署一份基础设施协议,将与 HUMAIN 在沙特阿拉伯建设一座 250 MW 数据中心。该实验室预计,这座数据中心的运营每年将产生 50 亿美元收入,并将这项交易描述为面向开源领域达成的最大规模 AI 基础设施协议之一。这条消息被置顶在实验室账户上,使其有别于该实验室通常围绕模型展开的宣传内容。

这个数字需要谨慎解读,因为公告将三个没有谓语的片段并列在一起,令 50 亿美元所指的主体含糊不清。《New York Times》的报道则给出了明确答案:这笔金额指的是该数据中心的预期收入,而不是公司的收入。数量级也印证了这一点,因为同一篇报道指出,Together AI 在 2026 年 7 月的估值为 83 亿美元——一家估值处于这一水平的公司,不可能拥有 50 亿美元的年营业额。

这项安排本身也值得关注,因为它并非购买算力容量。仍据《New York Times》报道,除 250 MW 容量外,HUMAIN 还将提供 120 000 枚半导体芯片,而 Together AI 负责运营这些芯片,并以部分收入作为回报。因此,该实验室并不为基础设施提供资金,而是以一部分营业额换取使用权。这恰好印证了该帖文串中的主张:通过合作伙伴关系解锁算力,而不是让每家公司都各自筹集数十亿美元展开竞赛。HUMAIN 于去年在王储 Mohammed ben Salmane 的倡议下成立,是沙特阿拉伯发展 AI 产业、降低国家对石油依赖的努力之一。

该帖文串阐述的重点与其说是规模,不如说是瓶颈的性质。Together AI 将能源描述为当前真正的瓶颈,并认为这项协议使一家规模如其自身的公司能够获得无法依靠自身资产负债表出资建设的算力规模。该实验室明确将这种安排与封闭式实验室的模式进行对比,后者的基础设施长期以来一直由 hyperscaler 提供资金。

这种解读凸显了 Together AI 在生态系统中的特殊地位:该实验室并不发布前沿模型,而是为其他模型提供服务——DeepSeek、GLM、Kimi、MiniMax、Nemotron。因此,它面临的限制并非研究能力,而是以低于专有 API 的价格提供开放权重模型服务所需的可用算力。250 MW 的合同正是对此的直接回应。

协议要素报道值
数据中心容量250 MW
HUMAIN 提供的半导体芯片120 000
数据中心预期年收入50 亿美元
向 HUMAIN 支付的对价Together AI 的部分收入
Together AI 在 2026 年 7 月的估值83 亿美元
产业合作伙伴HUMAIN
地点沙特阿拉伯
公告日期与时间2026 年 8 月 31 日 13:26 UTC

最后还有一点 Together AI 在帖文串中并未提及:同一篇报道指出,在沙特阿拉伯部署设施,使其可以避开在美国建设数据中心时遇到的阻力。

We just signed one of the largest AI infrastructure deals for open source, period. 250MW data center. $5B+ in annualized revenue. Built with @HUMAIN in Saudi Arabia.

🇨🇳 我们刚刚签署了面向开源领域规模最大的 AI 基础设施协议之一,就这么简单。250 MW 数据中心。超过 50 亿美元的年化收入。与 @HUMAIN 共同在沙特阿拉伯建设。 — @togethercompute 在 X 上

GLM-5.3 并列登顶 Artificial Analysis 智能体指数

8 月 31 日——这是 GLM-5.3 连续第六天成为新闻焦点:继 Z.ai 于 8 月 28 日开放权重、Together AI 于 8 月 29 日将该模型上线至其 serverless API 后,这次让它脱颖而出的是第三方排名。在 Artificial Analysis 的智能体指数中,该模型达到 59 分。Together AI 对结果的表述十分准确:GLM-5.3 并列第一(ties for the top spot),并超越(beating)GPT-5.6 Sol 和 Claude Fable 5。因此,它超越的是这两个模型;面对同样获得 59 分的 Claude Opus 5,GLM-5.3 与之并列榜首。

最具启发性的部分在于其方法。Z.ai 并未训练新的基础模型:它保留了 GLM-5.2 基础模型,全部提升均来自后训练,并在三个维度上同时扩大规模——增加长时域环境的数量、提升任务多样性,以及投入更多 compute 用于 RL。

受评模型智能体指数得分
GLM-5.3 (max)59
Claude Opus 5 (max)59
GLM-5.3 Flash58
GPT-5.6 Sol (max)58
Claude Fable 5(带回退)57

🔗 @togethercompute 的消息

Greptile 选择 Together AI 作为主要推理服务提供商

8 月 31 日——当天最后一个信号较为低调:超过 11 000 个团队使用的 AI 代码审查工具 Greptile,已选择 Together AI 作为主要推理服务提供商。该工具会结合代码仓库的完整上下文分析 pull requests,其负载特征包括长上下文和大量 tokens——这恰好是开放权重模型与专有 API 之间的成本差距变得至关重要的使用场景。

🔗 @togethercompute 的消息


GitHub Copilot 在 VS Code 中:八月四个版本更新汇总

8 月 31 日 — GitHub 发布了 Visual Studio Code 中 Copilot 的 2026 年 8 月更新汇总,涵盖从 v1.132 到 v1.135 的四个编辑器版本。本轮更新的主线是组织多个智能体协同工作:Agents 窗口不再只是简单的对话列表,而是成为多个会话共存且能恢复原有状态的工作空间。

在会话方面,聊天可以横向或纵向分组并排显示,返回时还会恢复原有布局。命令 /btw 会打开一个侧边对话,它与主对话共享上下文和提示词缓存,同时主对话仍可继续运行:这样便能提出附带问题,而不会打断正在执行的智能体。通过文本记录边栏访问的提示词时间线控件,可以直接跳转到某条提示词,并查看由其引发的文件修改。Agent Host 允许多个 VS Code 窗口连接到同一会话,而实验性命令 /rubber-duck 会调用一个补充模型,以找出遗漏的细节和边界情况。

其中有两点直接涉及 Claude 在编辑器中的使用:只要通过 API 密钥配置了 Claude,一项实验性设置就能在不登录 GitHub 的情况下打开 Agents 窗口;Claude 会话还允许随时在 Anthropic 订阅提供的模型与 Copilot 订阅提供的模型之间切换。此外,VS Code 支持安装符合 Agent Plugins 1.0 标准的可移植智能体插件,这些插件也能在其他兼容的智能体客户端中使用。

更新日志领域重要新功能
会话与工作流并排聊天、/btw、提示词时间线、Agent Plugins 1.0、/rubber-duck、Agent Host
VS Code 中的 Claude通过 API 密钥无需登录 GitHub 即可打开 Agents 窗口,在 Anthropic 与 Copilot 模型之间切换
聊天与审查文本记录搜索、粘性滚动、混合式 Markdown 编辑器、按模型显示 token
集成浏览器批量标注 HTML 元素、自动重新加载、默认 HTML 编辑器
听写设备端多语言支持、清理指令、适配 shell 的清理功能

面对日益冗长的对话,聊天功能终于补上了所需的阅读工具:可搜索整个文本记录,并支持区分大小写、全字匹配和正则表达式;粘性滚动可让当前提示词始终保持可见;将鼠标悬停在回复底部时,还能查看各模型的 token 消耗,并区分输入、缓存输入和输出——在计费取决于缓存之后,这种可见性尤为实用。集成浏览器支持选择并标注页面中的多个 HTML 元素,以便批量处理界面反馈;听写功能则可在设备端运行并支持多种语言,在终端中听写时会保留命令语法,而不会插入读出的标点符号。

🔗 GitHub 更新日志——Copilot 在 VS Code 中的 2026 年 8 月版本


NVIDIA 将其软件组件引入生物学和自动驾驶领域

8 月 31 日 — NVIDIA 发布了一篇教程,记录了与 Anthropic 合作开展的集成工作:BioNeMo Agent Toolkit 现已可在 Anthropic 的科学研究工作台 Claude Science 中使用。它所解决的是专业工具调用问题——通用智能体可能知道某项任务需要折叠蛋白质,却不一定知道该运行哪个模型、如何设置请求格式,以及哪些参数至关重要。该工具包将十余年来积累的 BioNeMo 模型、库和工作流——涵盖生物学、化学、基因组学和药物发现——封装成可由智能体调用的 skills。NVIDIA 表示,在其内部基准测试中,任务准确率从 60% 提升至 100%,token 效率也大致翻了一番。

该教程依次串联三个 NIM 微服务:首先用 MSA Search 构建进化背景信息,随后使用 OpenFold3 和 Boltz-2 独立预测结构。最具说服力的演示聚焦于多序列比对的作用——若不进行比对,两个模型的界面置信度都会骤降,即使增加采样预算也无济于事。还有两项限制值得指出:一是硬件门槛,需要 L40S 或 H100 GPU 以及约 700 GB 存储空间;二是 NVIDIA 对结果解释所持的谨慎态度,其强调置信度分数无法证明存在相互作用,并将两个独立模型得出的一致结果视为有力假设,而非证据。

界面置信度指标(iPTM)OpenFold3Boltz-2
采用 MSA 比对的异源多聚体0,850,82
未采用 MSA 比对的异源多聚体0,140,19
核心区域的 Cα RMSD,单体与异源多聚体对比0,68 Å0,65 Å

🔗 NVIDIA 教程——Claude Science 中的 BioNeMo NIM

Omniverse NuRec 为尚不存在的车辆适配感知技术栈

8 月 31 日 — 同一天,NVIDIA 发布了第二篇技术教程,这次聚焦自动驾驶。其出发点是,感知技术栈由承载它的车辆所塑造:从 SUV 移植到轿车后,由于传感器位置、校准、视野范围、遮挡和车身几何结构全都会发生变化,它感知世界的方式也不再相同。为每条车型产品线采集并标注真实数据集成本高昂,而且在开发初期通常无法实现。

Omniverse NuRec 提出复用已记录的行驶数据:它先重建每个场景,再从目标车辆的传感器配置视角重新呈现场景。团队由此可以了解某个场景在新摄像头配置下会呈现何种效果,以及几何结构变化会在哪里形成盲区。NVIDIA 明确指出,真实驾驶数据仍然是锚定和验证性能所必需的:合成数据用于在专用数据集尚未建立时适配模型,而不是取代专用数据集。这些场景以 USDZ 格式发布在 Hugging Face 上,并附有一个面向代码智能体的 skills 仓库。

🔗 NVIDIA 教程——Omniverse NuRec


Amp 为每个 thread 配备音视频通话室

8 月 31 日 — Amp 为每个 thread 配备了一个实时对话室。这项名为 Space to Talk 的功能会打开一个与 thread 本身关联的音视频空间:只需按下回车键即可进入,并可开启摄像头和共享屏幕,与此同时,智能体会继续在同一对话串中工作。

该功能主打消除中间步骤,其设计思路也延续了 Amp 自夏季以来的协作路线:先是在 7 月 22 日推出允许队友共同控制 orb 的 Multiplayer,随后于 8 月 19 日推出可直接在 thread 中通过提及发出邀请的 Pass the Orb to the Left Hand Side。thread 由此成为团队与智能体唯一的会合点。Amp 也坦言该功能的范围仍然开放:头脑风暴、白板,以及与 Puck 和其他智能体交谈都只是未来方向,而非已经交付的功能。

No links to paste, no calendar invite, no other app. The call lives where the work lives.

🇨🇳 无需粘贴链接,无需发送日历邀请,也无需打开其他应用。通话就在工作发生的地方进行。 — Amp,Space to Talk 说明


VLANeXt:面向视觉—语言—动作模型的统一代码库

8 月 31 日 — 一个团队在 Hugging Face 博客上发布了 VLANeXt,这是一个专注于视觉—语言—动作模型(vision-language-action,VLA)的研究代码库。这类模型的原理很简单:视觉—语言模型将机器人所见内容与自然语言指令联系起来,再由此推导出在物理世界中执行的动作。

它要解决的是方法论问题。该领域发展迅速,但也日益碎片化:从一篇论文到另一篇论文,backbone、策略头、动作表示、训练策略和评估协议都在变化。大量结果被报告为表现强劲,但由于无法隔离变量,究竟是什么真正造就了高性能 VLA 模型,仍然难以判定。

作者没有再增加一种架构,而是从 RT-2 / OpenVLA 类型的参考基线重新出发,系统探索设计空间并从中总结出一套方案,这项工作形成了 ICML 论文《VLANeXt: Recipes for Building Strong VLA Models》。此后,该代码库已扩展至研究范围之外,覆盖不同规模的 backbone、潜在动作学习、潜在空间预测建模以及世界—动作建模。它提供六个起点:VLANeXt-LAM、-S、-L、-XL、-JEPA 和 -WAM。

🔗 Hugging Face 博文


简讯

  • Claude Code 2.1.252,一个仅包含修复的版本 — 四项修复,没有任何新功能:部分 Mac 上 Bash 命令执行失败;在没有 .claude/settings.local.json 文件的项目中,“always allow”选项无法保存;与 claude.ai 的连接不佳时,Remote Control 会话会在工具运行结束后卡住数分钟;以及输出量较大的后台任务通知会导致请求超过 API 大小限制。🔗 Claude Code 的 CHANGELOG
  • Flow 在桌面端开放首尾帧控制 — Google Flow 表示,随 Gemini Omni 1.1 Flash 于 8 月 27 日发布的首尾帧控制功能现已可在桌面端使用。重点展示的用法是:在首尾两端使用同一张图像,以生成循环视频。🔗 @FlowbyGoogle 的消息
  • Grok Imagine 大奖赛最后一天 — xAI 提醒称,8 月 17 日启动的视频竞赛于当天截止。参赛者需根据荷马的《奥德赛》制作一个场景,展现该模型的视频和语音能力;排名前三的作品将瓜分 175,000 美元奖金,分别获得 100,000、50,000 和 25,000 美元。🔗 @grok 的消息
  • QwenCloud 关闭 Arena 并宣布曼谷专场活动 — 面向跨境电商内容生成智能体的 Qwen Cloud Arena 挑战赛在吸引逾 800 名参与者后,于北京时间午夜结束作品提交,评审阶段将于次日开始。数小时前,QwenCloud 还宣布将在 9 月 4 日的曼谷 Qwen Conference 上举行专场活动,继续采用此前在香港展示的三个入口定位——网站、Skills、CLI。🔗 Arena 截止公告 · 🔗 曼谷专场活动
  • GitHub 发起开发者无障碍适配调查 — 该公司希望了解帮助开发者在良好条件下工作的工具、产品设置和个人适配方式,参与者无需声明自己有残障,也无需认为自己是无障碍工具用户。调查答复截止日期为 9 月 30 日。该主题与 AI 无关。🔗 @github 的消息
  • otoSpeech Task:与任务一同发布的全双工语料库 — 包含 20 小时双人英语对话、涵盖七项协作任务的 58 个会话,以及 11,025 个带时间戳的事件,采用 CC BY 4.0 许可证。其特点在于,每位说话者看到的图像、执行的动作和参考答案都与音频位于同一时间线上。🔗 Hugging Face 博文
  • YOLO26-RGB:从深度头衍生的去雨模型 — 通过将 YOLO26-depth 的单通道深度头替换为三通道 RGB 恢复头,得到两个去雨模型:一个拥有 5,25 M 参数,在 1080p 下速度约为 109 图像/秒;另一个拥有 12,13 M 参数,速度约为 92 图像/秒,质量提升 0,1 dB。🔗 Hugging Face 博文

这意味着什么

生成界面本身,而不是生成产出界面的代码。 Solaris 将设计与执行之间的边界向前推进。如今整条软件链都建立在转换之上——模型稿变成代码,代码生成显示画面——而 Runway 衡量了这种转换的代价:在根据截图重建 30 个界面的测试中,所有受测的多模态模型都会丢失信息,并且视觉内容越丰富,劣化越严重。取消中间步骤是一项激进的主张,而实验室自己列出的局限也揭示了它受阻之处:文字无法稳定保持原位、无法保证事实依据,以及生成的图像不会向屏幕阅读器暴露任何结构,因此无障碍功能必须从零构建。这些是根本性障碍,而非需要打磨的细节。

同一天公布的两种算力成本支付方式。 OpenAI 宣布其广告业务的年化收入达到 10 亿美元——这是未来十二个月的推算,而非实际入账——并将其视为与订阅同等重要的经济支柱:广告为一项号称每周用户超过 10 亿的服务提供免费层资金。另一方面,Together AI 既不靠受众变现,也不进一步购买算力:它在沙特阿拉伯以部分收入为交换,获得 250 MW 电力和 120,000 枚芯片,并将能源视为该行业真正的瓶颈。两家公司从产业链的两个相反端点应对同一约束,而两种应对方式都并非中立:前者将商业利益植入产品,后者则把基础设施迁往政治阻力更小的地方。

智能体竞争如今发生在预训练之后。 GLM-5.3 在 Artificial Analysis 智能体指数上的成绩,其价值主要在于取得这一成绩的方式:Z.ai 保留了 GLM-5.2 基础模型,只扩大了后训练规模——长时程环境、任务多样性和 RL 算力。如果跻身智能体排行榜前列不再需要重新训练基础模型,那么最昂贵的成本项目就不再是决定排名的唯一因素,模型的更新周期也会相应缩短。这也是解释该模型六天历程最经济的方式:从 28 日开放权重,到 31 日登上这一榜单。

开发者工具正围绕同时使用多个智能体重新组织。 Copilot 的更新日志用完整的一个周期,将 Agents 窗口打造为工作空间——并排聊天、共享提示词缓存的侧边对话、提示词时间线,以及连接到同一会话的多个窗口——而不再只是对话列表。Amp 将通话室附加到线程中,让人类讨论就在智能体工作的地方进行。最后,NVIDIA 将十年的科学库封装为可调用的 skills,并发布了另一个用于驾驶场景重建的 skills 仓库。三个截然不同的参与者都趋向同一理念:智能体如今缺少的已不再是模型能力,而是可提供给它的共享上下文与专业工具。


来源